基于AMC神经网络融合的信号自动调制.

科学领域:

• 电气工程 电气工程
• 计算机科学 计算机科学
• 信号处理 信号处理

背景情况:

• 现代通信依赖于有效的信号调制和分类.
• 传统方法在准确性和效率方面面临挑战.
• 优化自动调制分类对于通信质量至关重要.

研究的目的:

• 提高通信质量和系统处理效率.
• 开发一个优化的信号自动调制分类方法.
• 结合神经网络算法进行增强的分类.

主要方法:

• 讨论了自动信号调制和分类技术.
• 使用并行卷积和简单的循环单位网络构建了三条连接路径.
• 开发了一个神经网络融合分类模型.

主要成果:

• 通过连接网络实现了稳定的培训和验证状态.
• 在25dB的信号与噪声比率下,证明了高分类准确性 (0.99).
• 在多普勒转移干扰下显示稳定的分类概率.

结论:

• 拟议的神经网络融合模型大大克服了传统方法的局限性.
• 该模型提高了调制信号分类的准确性.
• 这种方法可以提高通讯系统的整体性能.